LIDAR: fast schon Kunst 3, ein Youtube-Tutorial

Screenshot (Bildquelle [3])

Das Geo-Wochenende ist gerettet 😉 Ich hatte ĂŒber das Thema, wie aus LIDAR-Daten wunderschöne Karten, fast schon Kunst werden, bereits zweimal berichtet, vgl. [1] und [2]. Faszinierend sind diese Karten fĂŒr mich immer noch. Nun bin ich auf ein Youtube-Tutorial [3] gestoßen, was die Erstellung von REM-Karten mit Lidar-Daten in R beschreibt, hochinteressant, quasi DataViz par excellence! Übrigens, den vollstĂ€ndigen Code gibt’s auf GitHub [5], die LIDAR-Daten bei der USGS [6].

Hier der Original-Tweet [4]:

[1] … https://geoobserver.de/2016/03/08/lidar-fast-schon-kunst/
[2] … https://geoobserver.de/2020/04/23/lidar-fast-schon-kunst-2/
[3] … https://www.youtube.com/watch?v=x8is770F7Og
[4] … https://x.com/milos_gis/status/2056248858062065989
[5] … https://github.com/milos-agathon/relative-elevation-model-maps
[6] … https://apps.nationalmap.gov/lidar-explorer/#/

QGIS-Tipp: Plugin „Layer Multiply Toggle“ updated, v0.5.1

Das QGIS Plugin „Layer Multiply Toggle“ [1] hat gestern ein neues Update erhalten und ist ab sofort in der Version v0.5.1 verfĂŒgbar. Neben diversen kleineren Fehlerbehebungen bringt die neue Version vor allem zahlreiche spannende Erweiterungen und Komfortfunktionen mit — ein Blick ins ChangeLog lohnt sich also definitiv. Das Plugin kann wie gewohnt ĂŒber das QGIS Plugin Repository [2] als ZIP-Datei oder direkt ĂŒber den QGIS-Erweiterungsmanager installiert werden. Der vollstĂ€ndige Quellcode steht außerdem auf GitHub [3] bereit.

Nachdem ich die ersten beiden Versionen noch gemeinsam mit UnterstĂŒtzung einer KI entwickelt habe, hat sich bei der aktuellen Entwicklung Thomas Wölk mit neuen Ideen und Verbesserungen eingebracht. Vielen Dank dafĂŒr, Thomas!

Zu den auffĂ€lligsten Neuerungen gehört ohne Zweifel die Möglichkeit, Layer, die bereits auf den Mischmodus „Multiplizieren“ gesetzt wurden, direkt ĂŒber Icons im Layer-Panel individuell ein- und auszuschalten. Die Anzeige dieser Icons lĂ€sst sich bei Bedarf komfortabel ĂŒber die Option „Show layer icons“ aktivieren oder deaktivieren.

Screenshot 1: Die neuen Features (rot) vom Plugin „Layer Multiply Toggle“ [1] und ein Ergebnis, die Multiplikation von DOP20 mit der Basemap.de (grĂŒn). Die Inhalte, z. B. Beschriftungen der Basemap.de schein durch das Luftbild durch.

Neue Funktionen (AuszĂŒge aus dem ChangeLog [4]):

  • Anzeigen/Ausblenden der Symbole pro Ebene nach Bedarf ĂŒber ein Dropdown-MenĂŒ auf der Symbolleisten-SchaltflĂ€che (globale Einstellung)
  • Optionen fĂŒr Wiederherstellen, Symbole entfernen, ausschalten im Dropdown-Pfeil der Symbolleisten-SchaltflĂ€che
  • BehĂ€lt die ursprĂŒnglichen Mischmodi beim Ausschalten bei und stellt sie exakt wieder her
  • Projektbezogene Beibehaltung des Ein-/Aus-Zustands
  • Projektionsmodus-Umschaltung pro Ebene im Ebenenbaum ĂŒber ein anklickbares Indikatorsymbol
  • Kompatibel mit dem Plugin Reloader-Plugin (sauberes Neuladen)
  • Mischmodus bewusst auf „Multiplizieren“ beschrĂ€nkt

Die bewĂ€hrte Grundfunktion des Plugins „Layer Multiply Toggle“ bleibt natĂŒrlich weiterhin erhalten, ganz nach dem Motto: „Keine Information geht mehr verloren, kein Thema (Layer) wird mehr ĂŒberdeckt.“ Dadurch lassen sich selbst komplexe Karteninhalte deutlich transparenter und gleichzeitig ĂŒbersichtlicher darstellen:

Animation: Das Plugin „Layer Multiply Toggle“ [2] v0.2 in Aktion. Eigentlich ĂŒberdeckt die Basemap.de alle anderen Themen, aber mit einem Klick multipliziert sind die 32 Dipul-WMS und die Basemap.de sichtbar

[1] … https://geoobserver.de/qgis-plugins/#Layer-Multiply-Toggle
[2] … https://plugins.qgis.org/plugins/LayerMultiplyToggle/
[3] … https://github.com/geoObserver/LayerMultiplyToggle
[4] … https://plugins.qgis.org/plugins/LayerMultiplyToggle/version/0.5.1/

wttr.is: Fallback fĂŒr wttr.in und Nutzung im QGIS

Screenshot 1: Das Wetter heute in Halle (Saale), danach wird zum GlĂŒck nicht so heiß 🙂

Über wttr.in [1], die Online-Wetter-Auskunft auf der Kommandozeile, die schnell und prĂ€zise mit etwas Vintage-Charme die Wettervorhersage ausschließlich mit Text und die Wettersymbole als ASCII-Art darstellt, hatte ich schon 2021 in „QGIS-Tipp: wttr.in & QGIS“ [2] berichtet. Nun teilte Igor Chubin auf X (vormals Twitter) mit, dass mit wttr.is [3] eine „vollstĂ€ndig gleichwertige Fallback-Domain fĂŒr http://wttr.in verfĂŒgbar“ ist. Die Nutzung bleibt gleich, also fĂŒr Halle (Saale) könnte der Aufruf jetzt auch so aussehen: https://wttr.is/Halle(Saale). Auch an der Nutzung im QGIS sollte sich nichts geĂ€ndert haben, einfach nur „.in“ durch „.is“ ersetzen.

Screenshot 2: Einbindung ins QGIS
Screenshot 3: Nutzung im QGIS
Animation 1: Nutzung im QGIS animiert

Hier der Original-Tweet [4]:

[1] … https://wttr.in/
[2] … https://geoobserver.de/2021/09/14/qgis-tipp-wttr-in-qgis/
[3] … https://wttr.is/
[4] … https://x.com/igor_chubin/status/2056412433233690633

Plantaube: Einfach und schnell zur OSM-Karte

Wenn man mal ganz schnell einen Plan braucht und vielleicht das gewohnte GI-System gerade nicht verfĂŒgbar ist, dann lohnt es sich, mal bei der Plantaube [1] von Julian Lindner [2] vorbei zu schauen. Mit wirklich wenigen Klicks und Eingaben könnt Ihr einen Plan erstellen und in verschiedenen Formaten exportieren. Ich habe es mal ausprobiert und es funktioniert absolut problemlos. Aus meiner Sicht sind vor allem die einfache Bedienung und die sehenswerte Plangrafik hervorzuheben. Mein Ergebnis-PDF findet Ihr unter [3].
IMHO: Coole Lösung! Genutzt werden selbstverstÀndlich die OpenStreetMap-Daten.

Das Projekt ist noch im Entstehen, um Feedback wird ausdrĂŒcklich gebeten. Ich wĂŒrde mir noch bessere Beschriftungsmöglichkeiten, den verpflichtenden Hinweis auf OSM-Daten im PDF und vielleicht die Einbindung eigener Daten wĂŒnschen, aber ich bin mir sicher, dass kommt bestimmt noch, ich habe schon angefragt.

Screenshot 1: Die Adresse suchen, hier Halle, Ankerstraße 3b, Maßstab, Papierformat und -Orientierung sowie Himmelsrichtung wĂ€hlen
Screenshot 2: Opetionen Einstellen, hier z. B. die Schatten fĂŒr GebĂ€ude und BĂ€um
Screenshot 3: PDF generieren lassen

[1] … https://www.plantau.be/
[2] … https://www.linkedin.com/in/julian-lindner-8a7a51246/
[3] … https://geoobserver.de/wp-content/uploads/2026/05/Ankerstrasse_3b_HAL.pdf

Watrify: Die freie Trinkwasser-Karte/App

Screenshot 1: Trinkwasser finden in Halle (Saale) mit den derzeit leider wieder dem Vandalismus zum Opfer gefallenen Trinkwasserbrunnen aus der Peißnitz

So Leute, ĂŒber Pfingsten soll es ja nun recht warm werden, Grund genug fĂŒr alle, die sich aktiv draußen bewegen wollen, den Vorrat mit Trinkwasser abzusichern. Eine neue Anwendung dafĂŒr habe ich bei Watrify [1] entdeckt, als Webkarte und als Apps fĂŒr Android und iOS. Momentan sind mehr als 250.000 Trinkbrunnen in fast ganz Europe verfĂŒgbar. Die Daten kommen aus den Open-Data-Portalen von StĂ€dten und Kommunen, OpenStreetMap sowie von der Watrify-Community. Auf der Webseite [1] heißt es:

„Willkommen bei Watrify – deiner Plattform, um Trinkwasser an öffentlichen Trinkbrunnen, Wasserspendern und Quellen in Deutschland zu finden. Egal ob Wanderer, Fahrradfahrer, Van-Lifer oder StĂ€dtereisender: Auf Watrify findest du schnell und einfach Trinkwasser in deiner NĂ€he. Nutze die Suche, um deine Stadt oder Region einzugeben und sofort Trinkwasserstellen zu finden. Hier geht es direkt zur Trinkwasserkarte Deutschland.“ [2]

[1] … https://www.watrify.de/
[2] … https://www.watrify.de/trinkwasser-karte/

Weather Replay: Historisches Wetter ab 1940 visualisieren

Es ist tatsĂ€chlich faszinierend, mit Weather Replay [1] von Copernicus ECMWF [2] könnt Ihr das Wetter der Vergangenheit, beginnend ab 1940 an jedem Ort der Welt stundenweise online nachvollziehen. Ich habe es gerade fĂŒr Halle (Saale) zum Jahrtausendwechsel [3], also vom 31.12.1999, 0:00 Uhr bis 01.01.2000, 23:59 Uhr berechnen lassen, hier das Ergebnis in einer stark herunter gerechneten Variante:

Animation: Das Wetter in fĂŒr Halle (Saale) zum Jahrtausendwechsel auf 640 Pixel herunter skaliert

Das Hier der Original-Tweet [4]:

[1] … https://weather-replay.climate.copernicus.eu/
[2] … https://x.com/CopernicusECMWF
[3] … https://weather-replay.climate.copernicus.eu/?lat=48.9&lon=12.0&zoom=5.0&pickLat=51.5&pickLon=12.0&datetime=1999-12-31T00%3A00%3A00.000Z
[4] … https://x.com/galeanodavid/status/2056929844072468720?s=20

VeganGuide: Vegane & Vegetarische Lokationen

Screenshot 1: Der VeganGuide [1] weltweit, auffĂ€llig der besonders hohe Anteil in Europa und die verschwindend kleine Anzahl in der Antarktis 😉 (Bildquelle [1])

Der VeganGuide [1] ist eine auf OpenStreetMap (OSM) basierende Karte, die Euch das Finden veganer und/oder vegetarischer Restaurants, Imbisse und FastFood-Lokationen erleichtert. Momentan, also mit Stand heute, den 20.05.2026, 00:06 Uhr zeigt diese Karte alle im OSM erfassten und entsprechend getaggten 49.579 veganen Lokale in 167 LĂ€ndern. Unterschieden wird nach Kategorien wie „vegan“, „vegan options“ und „limited vegan options“ je nach veganem bzw. vegetarischem Anteil.
Ich habe es mal fĂŒr Halle (Saale) getestet, an einer Stelle, die ich ganz gut kenne, am Reileck [2].

Screenshot 2: Die Situation in Halle (Saale), am Reileck [2] gleich zwei vegane Lokationen in unmittelbarer NĂ€he (Bildquelle [2])

Coole Geschichte, ich wĂŒrde mir vielleicht doch eine etwas deutlichere Unterscheidung bei den Kategorien in der Karte wĂŒnschen. Die Anwendung ist Open Source, den Code findet Ihr auf Codeberg [3]. Weiter Infos zum Thema Vegan/Vegetarisch via OSM-Daten findet Ihr unter [4] und [5].

[1] 
 https://veganguide.org/
[2] 
 https://veganguide.org/4g11c3p#16/51.49647/11.96605
[3] 
 https://codeberg.org/yetzt/veganguide
[4] … https://geoobserver.de/2022/09/27/browser-und-qgis-vegan-oder-vegetarisch-oder/
[5] … https://geoobserver.de/2014/09/09/osm-fleischlose-geodaten/

QGIS- & GeoBasis_Loader-Webinar: Mitschnitt online!

Screenshot: GeoBasis_Loader-Preview v2.2

Am 7. Mai 2026 fand das Webinar „Geobasisdaten & Kartenerstellung“ [1] der Firma NTI zusammen mit dem #geoObserver statt. Seit einigen Tagen ist die Webinar-Aufzeichnung auf Youtube [2] online. Wer also nicht mit den mehr als 180 Teilnehmern live dabei sein konnte, kann sich ggf. noch einmal via diesem Mitschnitt informieren.

Neben der aktuellen Version v2.0.0 des GeoBasis_Loaders [3] stellte ich auch erstmalig neue und geplante Funktionen fĂŒr v2.1 und 2.2 als Prototyp vor. Im zweiten Teil zeigte NTI-Fachkollege Jakob Wilhelm, wie im QGIS mit den wunderbaren freien und nun auch via GeoBasis_Loader einfach geladenen Daten eine Karte erstellt werden kann.

Video: QGIS- & GeoBasis_Loader-Webinar – Der Mitschnitt

[1] … https://geoobserver.de/2026/05/07/heute-das-webinar-qgis-kartenerstellung-der-geobasis_loader/
[2] … https://www.youtube.com/watch?v=aMSbxvOCZck
[3] … https://geobasisloader.de

Map3D: 3D wirklich ganz einfach!

Wenn Du mal ganz schnell ein 3D-Modell eines Planungsgebietes brauchst, kann Dir ganz sicher Map3D [2], [3] weiterhelfen. Dort heißt es:

„Dies ist ein 3D-GebĂ€udekartierungsdienst, der mit React-Three-Fiber implementiert wurde. Er ermöglicht den Export als GLB-Datei und alle Funktionen sind kostenlos nutzbar. Auf diesem Projekt aufbauend lassen sich verschiedene FunktionalitĂ€ten wie digitale Zwillinge, Drohnenvermessungen und GPS-Markierungen realisieren.

Die Kartendateien basieren auf OpenStreetMap-Daten.“
[2]

Auf der Webseite des Projektes [2] kann man die Funktionsweise testen, ich habe es mal probiert, es funktioniert wunderbar. Noch nie bin ich einfacher zu (m)einem 3D-Modell gekommen. Man braucht nur folgende fĂŒnf Schritte auszufĂŒhren:

Schritt 1: In das gewĂŒnschte Gebiete bewegen/zoomen
Schritt 2: Zu berechnenden Ausschnitt markieren
Schritt 3: kurz rechnen lassen
Schritt 4: Ergebnis der Berechnung
Schritt 5: Das fertige 3D-Modell

Momentan sind realisiert: 3D-GebĂ€ude erstellen, Straßen bauen und GLB exportieren. In Zukunft soll es noch mehr geben: GebĂ€udestruktur, Höhenanpassung, Material und Höhenkarte. Ihr findet den Quellcode und noch weitere Details auf GitHub [2].

Hier der Original-Tweet [1]:

[1] … https://x.com/RoundtableSpace/status/2053516665548427743
[2] … https://map.fleet.im/
[3] … https://github.com/cartesiancs/map3d

Gastbeitrag: Wenn eine Karte mehr als eine Karte ist

Heute wieder mal ein Gastbeitrag, diesmal von meinem Fachkollegen Clemens Schenke-Hildebrandt, Geograph, GIS-Consultant und passionierter Rennradfahrer. Danke Clemens!

Wenn eine Karte mehr als eine Karte ist

Beim Fahrradverein Veloclub Asphaltrauschen e.V. (VCA) tragen die Vereinsmitglieder ein Trikot, auf dem Linien und Höhen zu erkennen sind, die eine abstrakte Landschaft auf einer Karte zu bilden scheinen. Dabei handelt es sich aber nicht um einen Stadtplan von Halle (Saale), sondern einen Joyplot der Saalestadt. Wer Halle kennt, erkennt darin nicht sofort jede Straße, aber etwas anderes Markantes: die Saaleaue, die HochflĂ€chen, die Kanten der Stadt – das GefĂŒhl eines Ortes.

Abbildung 1: Joyplot von Halle (Saale) auf schwarzem Hintergrund. Weiße, horizontal versetzte Höhenprofil-Linien bilden die Topografie der Stadt ab

FĂŒr mich ist dieses Trikot deshalb ein guter Einstieg in die Geschichte von Geodaten beim VCA.

Die Grafik, der Joyplot, war nicht als klassischer Vereinsaufdruck gedacht. Sie war der Versuch, Halle aus Daten heraus sichtbar zu machen und daraus ein Motiv zu entwickeln, das zum Verein passt und die tiefe Verbundenheit zur Saalestadt widerspiegelt. Die Fahrrad-Community bewegt sich stÀndig durch die Stadt und das Umland. Warum sollte ihre visuelle Sprache dann nicht aus genau diesem Raum entstehen?

Die ausfĂŒhrlichere Geschichte zum Trikotmotiv steht auf asphaltrauschen.cc: „Unknown Places“ – das Veloclub Asphaltrauschen Trikot. Die Höheninformationen fĂŒr den Joyplot stammen aus dem Digitalen GelĂ€ndemodell DGM11 Sachsen-Anhalt.

Angefangen hat diese Verbindung aber einfacher.

Im ersten Corona-Jahr fehlte der lokalen Fahrrad-Community das, was sonst fast selbstverstĂ€ndlich war: gemeinsame Ausfahrten, Training, Treffen, Events und kleine WettkĂ€mpfe. Aus dieser LĂŒcke entstand mit dem Spring Break ein Event mit einer einfachen Idee: Strava-Segmente2 wurden zu kleinen Etappen und jede Woche kam eine neue Herausforderung dazu. Die Ergebnisse wurden manuell zusammengetragen.

Aus heutiger Sicht war das technisch noch ziemlich bodenstĂ€ndig. Keine Datenbank, keine API-Automatisierung, keine große Webanwendung. Ich kopierte Ranglisten aus Strava, pflegte Ergebnisse in Excel und baute eine einfache Übersichtskarte. Aber genau dort begann etwas, das spĂ€ter wichtig wurde: Bewegungsdaten waren nicht nur private Trainingsaufzeichnungen, sie wurden zu Material fĂŒr ein gemeinsames Spiel.

Der nĂ€chste grĂ¶ĂŸere Schritt war ein Alleycat.

Das klassische Alleycat kommt aus der Fahrradkurierkultur: Checkpoints, Orientierung, Tempo, eigene Routenwahl – vergleichbar mit einer Schnitzeljagd. FĂŒr unseren Kontext wurde daraus ein kontaktloses 24-Stunden-Rennen, bei dem StĂ€dte, Orte und markante Punkte zu Checkpoints wurden. OpenStreetMap lieferte die Grundlage. Um diese Checkpoints wurden unterschiedliche Radien definiert und wer mit seinem GPX-Track durch diese Bereiche fuhr, sammelte Punkte.

Animation 1: Die Animation zeigt Halle (Saale) auf einer hellen Basemap und entwickelt schrittweise die Checkpoint-Zonen und Checkpoints des Alleycat

Das war fĂŒr mich der erste Augenblick, in dem GIS beim VCA nicht mehr nur eine begleitende Karte war, sondern wesentlicher Teil der Spielmechanik wurde.

Die Auswertung lief damals noch in QGIS: Checkpoints puffern, GPX-Tracks schneiden, Treffer prĂŒfen, Punkte zusammenrechnen. Ein gutes Bild dafĂŒr ist ein Screenshot aus dem QGIS Model Builder: GPX-Dateien und Checkpoints laufen dort als einzelne Verarbeitungsschritte zusammen. FĂŒr mich fĂŒhlte sich das damals wie Magie an, weil nicht mehr jeder Schritt einzeln nacheinander angeklickt werden musste, sondern der Ablauf als Modell sichtbar und wiederholbar wurde.

Abbildung 2: QGIS Model Builder im dunklen Theme mit dem Modell „Auswertung_SBA“. Zu sehen sind die Eingaben „GPX“ und „Checkpoints“ sowie Verarbeitungsschritte wie „Nach Position selektieren“, „GewĂ€hlte Objekte exportieren“ und „Attribute nach Position verknĂŒpfen (Zusammenfassung)“. Das Modell zeigt, wie GPX-Tracks und Checkpoints zu exportierten Treffern und einer Summenwertung verarbeitet werden

Nichts davon war als großes Produkt gebaut. Aber es zeigte, wie stark sich Radfahren, offene Geodaten und einfache rĂ€umliche Regeln verbinden lassen. Der Joyplot von Halle kam spĂ€ter aus einer anderen Richtung. Nicht mehr: Wer fĂ€hrt wo entlang? Sondern: Wie kann eine Stadt als Datenbild aussehen?

Ein Joyplot besteht aus vielen versetzten Profilen und fĂŒr Halle bedeutete das: Höhendaten abtasten, Linien erzeugen, die Topografie abstrahieren. So wurden die Saaleaue, die nördlichen Felskanten, die Dölauer Heide und die HochflĂ€chen der Stadt nicht als exakte Karte gezeigt, sondern als Rhythmus.

Animation 2: Entstehungsprozess des Joyplots von Halle (Saale). Die Animation beginnt mit der Stadtgrenze und einer Markierung in Halle und entwickelt schrittweise die abstrahierten Höhenlinien, aus denen der Joyplot entsteht.

Als daraus die Idee fĂŒr ein Trikotmotiv entstand, verĂ€nderte sich die Rolle der Geodaten noch einmal: Sie waren nicht mehr nur Werkzeug fĂŒr Auswertung oder Orientierung, sie wurden Teil einer VereinsidentitĂ€t.

Diese Entwicklung finde ich bis heute spannend.
Geodaten wirken durch Koordinaten, Layer, Projektionen, Attribute und Formate oft technisch. Im Alltag eines Fahrradvereins zĂ€hlt aber etwas Anderes: In der Nutzung muss eine Karte nicht nur korrekt, sie muss anschlussfĂ€hig sein. Sie muss einen Anlass tragen können, eine Ausfahrt erklĂ€ren, eine Erinnerung festhalten oder ein GefĂŒhl fĂŒr einen Ort transportieren.

Beim VCA ist daraus nach und nach ein kleiner Werkzeugkasten entstanden.
Mal geht es um Strava-Segmente und Rankings, dann um Checkpoints und GPX-Tracks oder um Höhendaten, OSM-Daten oder reduzierte Routengrafiken. SpÀter kamen Python, eigene Skripte und automatisierte Workflows dazu. Aber der Ausgangspunkt war nicht Technik um der Technik willen. Der Ausgangspunkt war immer eine konkrete Frage aus der Community:

  • Wie halten wir Verbindung, wenn wir nicht gemeinsam fahren können?
  • Wie machen wir aus einer Route ein Spiel?
  • Wie macht man eine Stadt zur VereinsidentitĂ€t, zu einem Trikotmotiv?
  • Wie zeigen wir, was unsere Ausfahrten unterscheidet?
  • Genau an dieser Stelle treffen sich fĂŒr mich Radkultur und GIS.

Geodaten sind beim Veloclub Asphaltrauschen keine neutrale Hintergrundkarte. Sie sind ein Mittel, um Bewegung, Ort, Gemeinschaft und Gestaltung zusammenzubringen.

Aus diesem Werkzeugkasten sind spÀter vier sehr unterschiedliche Kartenlinien entstanden: Social Ride, FLINTA*-Ride, Schotterbande und Temporunde. Jede dieser Runden hat ihren eigenen Charakter, und jede Karte versucht, diesen Charakter sichtbar zu machen. Aber das ist eigentlich schon die nÀchste Geschichte.

Abbildung 3: Foto vom VCA-Flohmarkt: Mehrere großformatige VCA-Grafiken hĂ€ngen an einer hellen Holzwand. Im Mittelpunkt ist eine grĂŒn-beige Kartengrafik mit weißen Routenlinien zu sehen; links und rechts hĂ€ngen weitere farbige Kartenmotive. Foto: Friederike Schöppe

Zum Autor:
Clemens Schenke-Hildebrandt ist Geograph, GIS-Consultant und Product Owner mit Schwerpunkt auf Geodaten, WebGIS, Kartenanwendungen und produktnaher Softwareentwicklung. Beim VCA verbindet er Radkultur, Community-Projekte und Geodatenarbeit, unter anderem in Karten, Visualisierungen und GPS-basierten Challenges.
Kontakt: https://linktr.ee/clemensschenke

  1. DGM1 steht fĂŒr Digitales GelĂ€ndemodell mit einer Rasterweite von 1 m. FĂŒr Sachsen-Anhalt stellt das Landesamt fĂŒr Vermessung und Geoinformation Sachsen-Anhalt das DGM1 kostenfrei bereit: https://www.lvermgeo.sachsen-anhalt.de/de/gdp-dgm1.html. ↩
  2. Ein Strava-Segment ist ein festgelegter Abschnitt auf einer Straße, einem Weg oder einer Strecke, fĂŒr den Strava automatisch Zeiten aus aufgezeichneten AktivitĂ€ten vergleicht. Wer eine Fahrt oder einen Lauf hochlĂ€dt und durch dieses Segment kommt, erscheint mit der eigenen Zeit in einer Rangliste. FĂŒr den Spring Break konnten solche Segmente deshalb wie digitale Etappen genutzt werden: Die Strecke war klar definiert, die Zeitmessung kam aus den GPS-Aufzeichnungen, und die Ergebnisse mussten anschließend nur noch ausgewertet werden. ↩